
如何用大数据管理城市?
近年来,由于科技的不断广泛运用,例如智能手机,智能卡,以及各式各样的传感器,使得将人口和交通流量这样的城市活动信息的收集、储存和可视化变成了可能。这些流量的信息过去仅仅以公共数据的形式每隔几年发布一次,例如,除了像城市规划和旅行这样的行政区域以外,作为智能操作中的一部分,日立集团正在研发城市管理平台解决方案,通过收集和分析从人口和交通流量中采集的大数据来支持城市的高效运行。
这篇文章描述了在城市管理平台背后的概念,选取了日本和海外的例子,以及展示了未来的前景。
城市管理平台背后的思想:
图1展示了城市管理平台解决方法背后的概念。人口流量数据和交通流量数据都是从一些使用智能手机、智能卡和传感器等科技的社会基础设施运营商处收集到的。例如设施数据、交通普查数据、人口数据等统计信息都是从国家或当地政府处得到的。这些被收集的数据都会在城市管理平台数据库中被储存和分析。由于这是一个基于地理空间信息系统技术的平台,它需要对不同的时间和空间参数进行分析。此平台的另一个特点是他可以将收集到的数据模型化,并通过不同形式的模拟将其视觉化。
城市管理平台的好处有:(1)方便且高效性(2)经济且盈利性(3)安全且有保障性。火车和公交,包括用来支持多模态旅游的最优化公共交以及组合导航都是城市管理平台在公共交通部门潜在应用的具体实例。在旅游业和零售行业,同时也包括对于商务区域的分析,还有以分析人类运动模式为基础的表达信息的有效方法中,也有一些可以说明的例子。另一些例子包括为了克服交通拥挤或协助城市规划,在城市和住宅方面的应用;还有一些以及为了支持疏散演练和确定道路封闭信息,用来帮助预防灾害与犯罪方面的应用。
这个解决方法运用了智能手机,智能卡片和传感器来收集真实世界中的人口和交通流量的大数据。城市管理平台以收集到的数据为基础,通过地理信息系统技术进行分析,以模型化和可视化来协助城市的运行。
图2展示了城市大数据的数据模型。最下面一层是支持社会基础设施建设的平台,中间一层是建造在基础设施上的城市空间,例如大楼,马路,水库。最上面一层是在城市空间中运用到的动态数据,例如人口流量和交通流量。
城市管理平台的例子
福冈市智能手机探测示范项目:
2011年,福冈市成立了福冈指令委员会(Fukuoka Directive Council),它在工业、学术界、政府和私人部门之间建立了合作关系,其目的在于制定福冈市区增长战略以及对智能城市政策进行调查。委员会由五个工作小组(旅游组、环境组、食品组、人力资源组和城市发展组)及日立公司组成,日立公司主要参与环境工作小组的工作,包括愿景建设及示范项目,旨在使福冈市区在智能交通方面成为领头羊。
在2013财年中,环境工作小组承担了示范项目,即利用智能手机探测来获取“人流量”的信息。图3展示了项目的概况。该项目的参与者在领取智能手机时已经同意工作小组可以收集他们的数据(这200人与福冈指令委员会有关联),也同意使用福冈市交通部门发放的Hayakaken交通智能卡来记录他们在2014年1月最后一周时间的移动情况。智能手机事先安装了应用用于收集全球定位系统(GPS)数据和加速度数据。鉴于与福冈市交通局合作,该项目也从智能卡上搜集用户在哪里上、下地铁站的数据。这些数据是在实验结束后才获得的。为了使人们行动的信息视觉化,其移动路径和交通方式是由智能手机GPS数据和加速度数据自动绘制的。在乘坐地铁时无法收到GPS信号,因此获取的信息来源于智能卡的行程记录。示范项目将行程自动的分为四类(走路,公交,地铁或是其他交通工具)。
该图表展示了在2014年1月所执行的示范项目的概况。智能手机和公共交通智能卡发给充当着显示器角色的200人,并且对他们一周的行为进行分析。
图3右边显示的仪表盘屏幕能够用于显示和分析示范项目的结果。它设计的目的就是能够被政府、基础设施运营商使用,以及方便其他人用于基础分析,例如展现人们的活动,交通方式和每个时期的其他信息,或显示工作日和节假日的不同。
图4是仪表盘分析屏。该屏幕试图提供更易理解和视觉化的信息,并且能够由政府官员或其他人使用,最主要的分析项目分布是从早到晚在不同时间段聚集在某一特定区域的人数,他们停留的时间,以及他们到达该区域所使用的交通方式。福冈指令委员会仪表盘屏幕所展示的结果是由福冈市政府多个部门的示范项目提供。市政府官员也认识到广泛的潜在应用领域。这些领域包括为个人旅游研究补充信息;用于评估交通工具的目前状态和相关政策的制定;用于会议、奖励旅游、大型企业会议和活动展览(MICE)推广工作来判别哪些人会在参观福冈市时做这些事,并且研究提供信息的方式。在私人部门的潜在功能不仅包括公共交通运营者来制作更方便的时间表,检查班次和站点,或优化站点的选址及其他,同样也能用于分析商业领域分布或潜在购买客户的分布。
该屏幕展示了一个运用智能手机探测到的数据进行人员流动的分析。该屏幕可以用于分析人们在某一特定领域聚集的人数和他们为了到该地方使用的交通方式。
巴厘岛出租车探测示范项目:
印度尼西亚共和国一级行政区巴厘岛交通阻塞日益严重,这也是东盟国(ASEAN)的通病。原因是经济的发展导致了当地人对车辆需求的增强,并且Denpasar国际机场交通枢纽附近的交通堵塞问题一直难以改善。这就是日本合资企业公司示范项目的背景,同时也作为经济、贸易和工业部门在2012财年进行拨款来推动和研究基础设施系统出口的项目之一。该项目的目标是部署日本智能社区技术利用利用智能交通系统(intelligent transport systems ITSs)来缓解巴厘岛交通阻塞问题,同时通过景点之间便捷的交通来促进旅游业的发展。日立公司主要通过交通阻塞信息的产生,进行参与交通系统改革的实施。
示范项目从当地出租车公司运行的300辆交通工具获取GPS数据。这些数据用于分析计算一些参数,例如行程次数、每一段路的速度和特定选择道路所需要的时间。图5在地图上展示一个在不同路段上行驶的时间的例子。采用地图匹配技术,将道路网络的GPS数据和计算出的速度匹配,用颜色编码格式呈现不同路段的速度 (绿色表示移动畅通,黄色表示交通拥挤,红色表示静止不动)。该项目同样选择了主要的旅游景点之间的线路并比较了平均出行时间,如在早上、中午或晚上这些关键时期的堵塞信息。我们向大约200个当地用户提出了进行调查关于利用智能手机或其他方式提供这些信息的想法,45%的用户表示即使为此付费也愿意使用这项服务。这表明了对交通信息的需求量。
从当地出租车公司获得的GPS数据用于离线分析来计算参数,例如行程次数、每一段路的速度和特定选择的道路所需要的时间。
未来展望
本节介绍日立公司在基于人流量量和交通流量的大数据的城市管理平台的下一步打算。
(1)扩展个人数据的使用
可以预测到在未来社会系统将有能力产生并储存更大量的数据。随着日本对个人信息保护法的修正,同样也能预期到在不久的将来,企业使用个人数据的政策会更加明确。
在这种情况下,日立公司致力于提高分析技术和分析速度,并制定方法用于分析收集到的大量数据,通过识别隐藏的关系来形成新的生产力。在未来,日历公司将寻求发展和支持社会的系统:通过整合大数据分析与系统,来控制社交基础设施协助人们的活动、自动驾驶和管理交通的供需关系。
(2)无缝人流量分析,从城市到室内层次
对城市管理平台在多个应用领域不同层次(从室内空间到全市区域)进行人流量分析的期望日益增长。人流量分析用在零售业的目的在于鉴别人们的购物模式或者测试广告的有效性。对于体育馆或其他基础设施,它可以用来评估或提高基础设施的所有方面,例如,评估他们不同方面吸引参观者的能力。同时,它已经应用在整个城市的发展,例如决定交通的供给和需求,根据人们参观特定基础设施的行为来鉴定趋势。因此,日立公司正寻求发展它们城市管理平台的应用,不仅仅是应用于政府方面,同时应用于商业或其他领域,通过提供无缝人流量和车流量分析,横跨城市的大部分区域,同样也细致到基础设施和室内区域这一次层次。
在不同程度上,在人员和交通流动方面,以及从当地室内空间到大的城市区域应用方面大数据的期望日益增长。
总结
这篇文章运用从日本到海外的例子,以及对未来的期望来阐述城市大数据管理平台背后的含义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29